KI-Artikelempfehlungen erstellen

Erfahren Sie, wie Sie ein KI-Empfehlungssystem aus Artikeln in Ihrem Katalog erstellen.

Über KI-Artikelempfehlungen

Verwenden Sie KI-Artikelempfehlungen, um die beliebtesten Produkte zu berechnen oder personalisierte KI-Empfehlungen für einen bestimmten Katalog zu erstellen. Nachdem Sie Ihre Empfehlung erstellt haben, können Sie Personalisierung nutzen, um diese Produkte in Ihre Nachrichten einzufügen.

Tipp

KI-Personalisierte Empfehlungen funktionieren am besten mit mindestens einigen Hundert Katalogartikeln, höchstens 100.000 Katalogartikeln und in der Regel mindestens 30.000 Nutzer:innen mit Kauf- oder Interaktionsdaten. Dies ist nur ein grober Richtwert und kann variieren. Die anderen Empfehlungstypen können mit weniger Daten arbeiten, auch wenn Beliebteste als Fallback verwendet wird.

Planspezifische KI-Features

Die folgende Tabelle beschreibt die Unterschiede zwischen der kostenlosen und der Pro-Version der Empfehlungstypen KI-Personalisiert, Beliebteste, Neueste und Im Trend:

<sup>1. Dies ist die Häufigkeit, mit der nutzerspezifische Artikelempfehlungen aktualisiert werden (nur KI-Personalisiert und Neueste). Beliebteste und Im Trend sind globale Empfehlungen, die aktualisiert werden, wenn das Modell neu trainiert wird. Wenn beispielsweise ein:e Nutzer:in einen Artikel kauft, der auf KI-Artikelempfehlungen basiert, werden die empfohlenen Artikel gemäß dieser Häufigkeit aktualisiert.
2. Verfügbare Empfehlungstypen sind KI-Personalisiert, Neueste, Beliebteste und Im Trend.</sup>

KI-Artikelempfehlung erstellen

Voraussetzungen

Bevor Sie beginnen, benötigen Sie Folgendes:

• Mindestens einen Katalog, um einen der Empfehlungstypen nutzen zu können.
• Kauf- oder Event-Daten in Braze (angepasste Events, das Event „Bestellung aufgegeben“ oder das Kauf-Objekt), die eine Referenz auf den Artikel enthalten und mit den Katalog-Artikel-IDs übereinstimmen müssen.

Schritt 1: Neue Empfehlung erstellen

Sie können eine KI-Artikelempfehlung von zwei Stellen im Dashboard aus erstellen:

• über das navigationsmenü
• über einen katalog

Schritt 2: Empfehlungsdetails hinzufügen

Geben Sie Ihrer Empfehlung einen Namen und eine optionale Beschreibung.

Schritt 3: Empfehlung definieren

Wählen Sie einen Empfehlungstyp aus. Jeder Typ verwendet die Artikelinteraktionsdaten der letzten sechs Monate, wie z. B. Käufe, aufgegebene Bestellungen oder angepasste Event-Daten. Ausführlichere Informationen und Anwendungsfälle für jeden Typ finden Sie unter Typen und Anwendungsfälle.

Tipp

Bei Verwendung von Neueste oder KI-Personalisiert erhalten Nutzer:innen mit unzureichenden Daten für individualisierte Empfehlungen als Fallback die Beliebtesten Artikel. Der Fallback Beliebteste gibt nur Artikel zurück, die im verknüpften Katalog vorhanden sind.

Für KI-Personalisiert-Empfehlungen können Sie auf der Seite Analytics die Personalisierungsrate einsehen, um zu erfahren, welcher Prozentsatz der Nutzer:innen, die das konfigurierte Event in den letzten 24 Monaten ausgeführt haben, personalisierte Empfehlungen in ihrem Profil gespeichert hat. Für Neueste-Empfehlungen zeigt die Seite Analytics den Anteil der Nutzer:innen, die Neueste-Empfehlungen erhalten, im Vergleich zum Fallback Beliebteste.

Schritt 3.1: Frühere Käufe oder Interaktionen ausschließen (optional)

Um zu vermeiden, dass Artikel vorgeschlagen werden, die Nutzer:innen bereits gekauft oder mit denen sie bereits interagiert haben, wählen Sie Do not recommend items users have previously interacted with. Diese Option ist nur verfügbar, wenn der Empfehlungs-Typ auf KI-Personalisiert eingestellt ist.

Diese Einstellung verhindert, dass Nachrichten Artikel wiederverwenden, die Nutzer:innen bereits gekauft oder mit denen sie interagiert haben, sofern die Empfehlung kürzlich aktualisiert wurde. Artikel, die zwischen Empfehlungsaktualisierungen gekauft oder mit denen interagiert wurde, können weiterhin erscheinen. Bei der kostenlosen Version der Artikelempfehlungen erfolgen Aktualisierungen wöchentlich. Bei der Pro-Version der KI-Artikelempfehlungen erfolgen Aktualisierungen alle 24 Stunden.

Wenn Sie beispielsweise die Pro-Version der KI-Artikelempfehlungen verwenden und Nutzer:innen etwas kaufen und dann innerhalb von 30 Minuten eine Marketing-E-Mail erhalten, ist der gerade gekaufte Artikel möglicherweise noch nicht rechtzeitig aus der E-Mail ausgeschlossen. Nachrichten, die nach 24 Stunden gesendet werden, enthalten diesen Artikel jedoch nicht mehr.

Schritt 3.2: Katalog auswählen

Falls noch nicht ausgefüllt, wählen Sie den Katalog aus, aus dem diese Empfehlung Artikel beziehen soll.

Schritt 3.3: Auswahl hinzufügen (optional)

Wenn Sie mehr Kontrolle über Ihre Empfehlung wünschen, wählen Sie eine Auswahl, um angepasste Filter anzuwenden. Auswahlen filtern Empfehlungen nach bestimmten Spalten in Ihrem Katalog, wie z. B. Marke, Größe oder Standort. Auswahlen, die Liquid enthalten, können nicht in Ihrer Empfehlung verwendet werden.

Tipp

Wenn Sie Ihre Auswahl nicht finden können, stellen Sie sicher, dass sie zuerst in Ihrem Katalog eingerichtet ist.

Schritt 4: Interaktion für die Empfehlung auswählen

Wählen Sie das Event aus, für das diese Empfehlung optimiert werden soll. Dieses Event ist in der Regel ein Kauf, kann aber auch jede andere Interaktion mit einem Artikel sein.

Tipp

Bei der Konfiguration von KI-Artikelempfehlungen ist die Wahl des Events wichtig. Ihr auslösendes Event bestimmt, wer eine KI-generierte Empfehlung erhält – KI-Artikelempfehlungen werden für Nutzer:innen generiert, die das von Ihnen konfigurierte Event abgeschlossen haben, sodass diese Wahl direkt bestimmt, wer Empfehlungen erhält. Wählen Sie ein Event, das das gesamte Zielgruppensegment abdeckt, das Sie erreichen möchten.

Gleichzeitig sollten Sie Abdeckung und Relevanz abwägen. Events am oberen Ende des Funnels (wie „Produkt angesehen“) erfassen tendenziell eine breitere Zielgruppe, sind aber weniger mit Geschäftsergebnissen verbunden, während Events am unteren Ende des Funnels (wie „Gekauft“) tendenziell gezieltere, geschäftsrelevantere Empfehlungen liefern. Das beste Event ist eines, das Abdeckung und Einfluss auf das Geschäftsergebnis in Einklang bringt.

Sie können optimieren für:

• Kauf-Events mit dem Kauf-Objekt
• Angepasste Events, die einen Kauf darstellen
• Angepasste Events, die eine andere Artikelinteraktion darstellen (wie Produktansichten, Klicks oder Medienwiedergaben)
• Aufgegebene Bestellungen mit dem Event „Bestellung aufgegeben“

Wenn Sie Angepasstes Event wählen, wählen Sie Ihr Event aus der Liste aus.

Hinweis

Angepasste Events müssen über ausreichend Daten verfügen, bevor sie in der Event-Liste erscheinen. Wenn Ihr angepasstes Event nicht angezeigt wird, liegt es möglicherweise daran, dass das Braze-Backend es noch nicht verarbeitet hat oder es nicht genügend Daten für das Modelltraining gibt. KI-Empfehlungen basieren auf historischen Daten, um Insights zu generieren, daher sind neu erstellte oder selten ausgelöste Events erst verfügbar, wenn mehr Daten gesammelt wurden.

Schritt 5: Entsprechenden Eigenschaftsnamen auswählen

Um eine Empfehlung zu erstellen, müssen Sie Braze mitteilen, welches Feld Ihres Interaktions-Events (Event „Bestellung aufgegeben“, Kauf-Objekt oder angepasstes Event) den eindeutigen Bezeichner enthält, der mit dem id-Feld eines Artikels im Katalog übereinstimmt. Nicht sicher? Anforderungen anzeigen.

Wählen Sie dieses Feld für den Eigenschaftsnamen aus.

Das Feld Eigenschaftsname wird vorab mit einer Liste von Feldern befüllt, die über das SDK an Braze gesendet werden. Wenn genügend Daten vorhanden sind, werden diese Eigenschaften auch nach Wahrscheinlichkeit sortiert, die richtige Eigenschaft zu sein. Wählen Sie diejenige aus, die dem id-Feld des Katalogs entspricht.

Anforderungen

Es gibt einige Anforderungen für die Auswahl Ihrer Eigenschaft:

• Muss dem id-Feld Ihres ausgewählten Katalogs zugeordnet sein.
• Wenn Sie das Event „Bestellung aufgegeben“ ausgewählt haben oder E-Commerce-Events zum Trainieren von Artikelempfehlungen verwenden: Geben Sie products.product_id für die Produkt-ID ein.
  • Das Feld kann sich in einem Array von Produkten befinden oder mit einem Array von IDs enden. In beiden Fällen wird jede Produkt-ID als separates, sequenzielles Event mit demselben Zeitstempel behandelt.
• Wenn Sie das Kauf-Objekt ausgewählt haben: Muss die product_id oder ein Feld des properties-Objekts Ihres Interaktions-Events sein.
• Wenn Sie ein angepasstes Event ausgewählt haben: Muss ein Feld der properties Ihres angepassten Events sein.
• Verschachtelte Felder müssen im Dropdown Eigenschaftsname in Punktnotation im Format event_property.nested_property eingegeben werden. Wenn Sie beispielsweise die verschachtelte Eigenschaft district_name innerhalb der Event-Eigenschaft location auswählen, geben Sie location.district_name ein. Weitere Informationen zu verschachtelten Eigenschaften in angepassten Events finden Sie unter Verschachtelte Objekte.

Beispielzuordnungen

Die folgenden Beispielzuordnungen beziehen sich beide auf diesen Beispielkatalog:

• angepasstes event
• kauf-objekt
• event „bestellung aufgegeben“

1
2
3
4
5
6
7
8
9
10
11
12
13
{
  "events": [
    {
      "external_id": "user1",
      "app_id": "your-app-id",
      "name": "added_to_cart",
      "time": "2024-07-16T19:20:30+01:00",
      "properties": {
        "product_sku": "ADI-BL-7"
      }
    }
  ]
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
{
  "events": [
    {
      "external_id": "user1",
      "app_id": "your-app-id",
      "name": "added_to_cart",
      "time": "2024-07-16T19:20:30+01:00",
      "properties": {
        "transaction_id": "2ff3f9a9-8803-4c3a-91da-14adbf93dc99",
        "products": [
          { "sku": "ADI-BL-7" },
          { "sku": "ADI-WH-9" }
        ]
      }
    }
  ]
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
{
  "events": [
    {
      "external_id": "user1",
      "app_id": "your-app-id",
      "name": "added_to_cart",
      "time": "2024-07-16T19:20:30+01:00",
      "properties": {
        "transaction_id": "13791e08-7c22-4f6c-8cc6-832c76af3743",
        "purchase": {
          "product_skus": ["ADI-BL-7", "ADI-WH-9"]
        }
      }
    }
  ]
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
{
  "purchases": [
    {
      "external_id": "user1",
      "app_id": "11ae5b4b-2445-4440-a04f-bf537764c9ad",
      "product_id": "ADI-BL-7",
      "currency": "USD",
      "price": 100.00,
      "time": "2024-07-16T19:20:30+01:00",
      "properties": {
        "color": "black",
        "checkout_duration": 180,
        "size": "7",
        "brand": "Adidas"
      }
    }
  ]
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
{
  "purchases": [
    {
      "external_id": "user1",
      "app_id": "11ae5b4b-2445-4440-a04f-bf537764c9ad",
      "product_id": "shoes",
      "currency": "USD",
      "price": 100.00,
      "time": "2024-07-16T19:20:30+01:00",
      "properties": {
        "sku": "ADI-RD-8",
        "color": "red",
        "checkout_duration": 180,
        "size": "8",
        "brand": "Adidas"
      }
    }
  ]
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
{
  "name": "ecommerce.order_placed",
  "properties": {
    "order_id": "order_123",
    "total_value": 200.0,
    "currency": "USD",
    "products": [
      {
        "product_id": "ADI-BL-7",
        "product_name": "Adidas Black Size 7",
        "variant_id": "ADI-BL-7-default",
        "quantity": 1,
        "price": 100.0
      }
    ],
    "source": "storefront"
  }
}

Schritt 6: Empfehlung trainieren

Wenn Sie bereit sind, wählen Sie Create Recommendation. Dieser Vorgang kann zwischen 10 Minuten und 36 Stunden dauern. Sie erhalten eine E-Mail-Benachrichtigung, wenn die Empfehlung erfolgreich trainiert wurde, oder eine Erklärung, warum die Erstellung möglicherweise fehlgeschlagen ist.

Sie finden die Empfehlung auf der Seite Predictions, wo Sie sie nach Bedarf bearbeiten oder archivieren können. Empfehlungen werden automatisch einmal pro Woche (kostenpflichtig) oder einmal pro Monat (kostenlos) neu trainiert.